抑郁症是世界十大精神疾病中最常见的一种疾病，一旦患病患者需长期用药，75%-80%的抑郁症患者会多次复发，较难根治。据世界卫生组织统计，抑郁症影响着全球3亿多人。尽管许多患者会接受心理治疗，但目前在年轻人群以及男性群体中，仍有大量未确诊的抑郁症病例存在。

多年来，随着社交媒体的出现，网络暴力变得愈加残酷无情和势不可挡。社交媒体引发的网络暴力是诱发抑郁症的因素之一，那么反之，社交媒体是否有可能帮助抑郁症的治疗呢？

拓宽当前抑郁症筛查工具的范围，对于更快速诊断和治疗抑郁症至关重要。有不少新兴研究表明，监测疑似抑郁症患者的社交媒体活动情况可能是有效方法之一。

检测抑郁症，“脸书”状态来帮忙

2018年发表在《美国国家科学院院刊》(PNAS)上的一项研究发现，使用人工智能分析Facebook帖子中的语言，可以准确预测患抑郁症的风险。该项研究通过抽样调查683名Fackbook用户发布的帖子内容，其中114名用户被诊断患有抑郁症。接着，研究人员分析查看被确诊抑郁症的Facebook用户近6个月内发表的贴子，判断其内容是否存在有关于精神状态的暗示，并将每1名抑郁症患者与5名健康者的数据进行比对，以测试AI的准确性。

通过分析524,292篇帖子，研究人员找出了与抑郁症或精神类相关的特定语言标记，通常情况下，患有抑郁症的用户在发帖时经常会用到“失败”、“恨”、“痛苦”、“挂念”、“哭”等表示情绪的词语。实验还表明，若贴子中第一人称词语的使用频率增加也与抑郁风险的增加有关，因为这些词一定程度表明了发帖者对自己的关注。

基于机器学习的算法便能够根据这些语言标记，提前3个月预测出受试者是否患有抑郁症。此外，研究人员还特别表示，在正式诊断前的6个月开始追踪Facebook社交帖子的内容，对准确预测患病风险是最有效的；换言之，社交帖子发布的文字以及发布时间也是早期预警抑郁症风险的“信号”之一。

“推特”数据构建心理健康分类器

还有一项类似的研究也是基于社交媒体的，只不过这一次“主角”是Twitter了。该研究曾以一篇题名为'Predicting Depression via Social Media'的论文发表，该项研究使用众包数据监测疑似抑郁症患者的Twitter内容，基于动态内容建立心理健康“分类器”。

研究团队花了将近1年的时间来监测这群用户的社交媒体行为，比如他们的社交参与度、情绪表达方式、语言风格、性格变化以及提及抗抑郁药物的频率等。最终心理健康“分类器”预判病情，与临床诊断准确率不相上下，这也就验证了该心理健康状态“分类器”预测的准确性和专业性。同时意味着，根据Twitter社交贴的信息创建疾病“分类器”，也能预估疑似抑郁症患者的患病风险了。

该团队将健康“分类器”的评判因素归为以下几点：

• 是否有减少社交活动倾向？

• 措辞是否会引起负面影响？

• 用户是否强烈关心医疗问题？

• 内容是否增加与宗教有关的表达？

作者指出，他们方法更适用于个体，使患有抑郁症或疑似抑郁症的群体在接触到专业治疗前，能够通过触手可及的方式进行更自主的心理健康判断，以防止精神状态进一步恶化。

AI“捕捉”Instagram用户照片信息

除了使用机器学习来分析Facebook和Twitter等社交媒体上的文本内容外，研究人员还“捕捉”了Instagram上人物图片，以预估用户是否患抑郁症。

该项研究由哈佛大学（Harvard University）和佛蒙特大学（University of Vermont）共同主导，研究团队基于计算机视觉和机器学习的方法，以166位 Instagram 用户为研究样本，分析了他们分享在平台上的43,950张照片，其中71张涉及患有抑郁症病史。算法成功识别出抑郁症的标志，并使用颜色分析、元数据组件和面部检测算法，从这些照片中计算提取了抑郁特征，每张照片的色调、亮度以及使用的滤镜都是其重要的分析维度。

经研究发现，抑郁症患者在社交平台上倾向于分享更多照片，使用更少滤镜，而分享的照片颜色更偏深色和灰色。另外，患有抑郁倾向的用户也更喜欢发布人脸特写照片，与健康用户相比，其分享的每张照片出现的人脸数量更少。这从某种程度来说，抑郁症患者更喜欢在小范围的社交环境中与人交往。

这项研究中，AI的表现优于普通医师诊断抑郁症的平均成功率。但由于实验样本数据较少，所以是否真的能应用于实际还仍待验证。

不过，这并不妨碍它可能成为预测抑郁症的方法之一，因为研究过程中使用的技术将很有可能成为数字化社会用于早期筛查和检测精神疾病的新途径。也期待未来有更多新兴研究出现，帮助人类早日克服精神、心理疾病所带来的种种困扰。生活值得更美好！

本文转载自其他网站，不代表大健康派观点和立场。如有内容和图片的著作权异议，请及时联系我们（邮箱：scarlet.s@djkpai.com）